Arbre de décision (apprentissage)L’apprentissage par arbre de décision désigne une méthode basée sur l'utilisation d'un arbre de décision comme modèle prédictif. On l'utilise notamment en fouille de données et en apprentissage automatique. Dans ces structures d'arbre, les feuilles représentent les valeurs de la variable-cible et les embranchements correspondent à des combinaisons de variables d'entrée qui mènent à ces valeurs. En analyse de décision, un arbre de décision peut être utilisé pour représenter de manière explicite les décisions réalisées et les processus qui les amènent.
Open Source DefinitionL'Open Source Definition (« définition de lopen source ») détermine les conditions nécessaires pour qu'une licence soit considérée comme open source aux yeux de l'Open Source Initiative. Elle est publiée sur le site de l'OSI avec une liste de licences approuvées''. La définition est reprise du texte des principes du logiciel libre selon Debian, écrits et adaptés principalement par Bruce Perens avec des contributions des développeurs de Debian. Le document est créé 9 mois avant la création de l'Open Source Initiative.
Liste de licences libresCet article est une liste de licences libres. Les quatre libertés mentionnées dans le tableau sont : La liberté d'utiliser le logiciel ; La liberté d'étudier le logiciel ; La liberté de copier le logiciel ; La liberté de modifier le logiciel et de redistribuer les versions modifiées. Parmi les différents types de licences de logiciel libre, certaines permettent la modification et la redistribution du logiciel sans contrainte, et autorisent notamment des dérivés propriétaires, par exemple sans mise à disposition du code source.
Histoire du logiciel libreLhistoire du logiciel libre est intimement imbriquée avec celle de l'informatique et celle du génie logiciel. Elle ne commence en tant que telle qu'à partir du moment où est apparu le besoin de distinguer le logiciel libre du logiciel propriétaire, selon le principe énoncé pour Le Cru et le Cuit. Ces prémices datant de la fin du , il ne peut s'agir d'une discipline académique. L'histoire du logiciel libre est donc présentée ici de façon informelle. thumb|Manipulation des nombres sur un boulier.
Sciences comportementalesLe terme de sciences comportementales regroupe les disciplines qui explorent les activités et les interactions entre les organismes qui vivent dans la nature. Cela implique analyses systématiques et recherches sur le comportement animal et humain au moyen d'observations contrôlées et naturelles ainsi que des expérimentations scientifiques rigoureuses. Elles visent des conclusions légitimes à travers des formulations rigoureuses. Des exemples d'études comportementales se constituent à travers la psychologie, les sciences cognitives et l'anthropologie.
Intelligence animalethumb|right|300px|Une comparaison du cerveau de différents mammifères. « Intelligence animale » est une expression renvoyant aux capacités cognitives des animaux et à leur étude. Le sujet a donné lieu à de nombreux travaux dont les résultats offrent non seulement une meilleure compréhension du monde animal mais aussi, par extension, des pistes pour l’étude de l'intelligence humaine. Différents groupes d'espèces se démarquent par leurs aptitudes intellectuelles lors des recherches sur l'éthologie cognitive.
Rule-based machine learningRule-based machine learning (RBML) is a term in computer science intended to encompass any machine learning method that identifies, learns, or evolves 'rules' to store, manipulate or apply. The defining characteristic of a rule-based machine learner is the identification and utilization of a set of relational rules that collectively represent the knowledge captured by the system. This is in contrast to other machine learners that commonly identify a singular model that can be universally applied to any instance in order to make a prediction.
Théorie de l'informationLa théorie de l'information, sans précision, est le nom usuel désignant la théorie de l'information de Shannon, qui est une théorie utilisant les probabilités pour quantifier le contenu moyen en information d'un ensemble de messages, dont le codage informatique satisfait une distribution statistique que l'on pense connaître. Ce domaine trouve son origine scientifique avec Claude Shannon qui en est le père fondateur avec son article A Mathematical Theory of Communication publié en 1948.
Terminologies et classifications en médecineL'appréhension du champ des terminologies, taxonomies et des classifications en médecine est facilitée par la compréhension de certains concepts et définitions empruntés à la linguistique. Ces notions font l'objet de définitions dans la première section consacrée à la linguistique médicale. Ensuite, des exemples de terminologies et de classifications médicales sont présentés et discutés dans les sections suivantes. Les codifications sont utilisées pour des statistiques de santé publique ou d'évaluation économique (bénéfice-coût des traitements).
Working animalA working animal is an animal, usually domesticated, that is kept by humans and trained to perform tasks instead of being slaughtered to harvest animal products. Some are used for their physical strength (e.g. oxen and draft horses) or for transportation (e.g. riding horses and camels), while others are service animals trained to execute certain specialized tasks (e.g. hunting and guide dogs, messenger pigeons and fishing cormorants). They may also be used for milking or herding.
Apprentissage actifL’apprentissage actif est un modèle d’apprentissage semi-supervisé où un oracle intervient au cours du processus. Plus précisément, contrairement au cadre classique où les données sont connues et imposées, en apprentissage actif, c'est l'algorithme d'apprentissage qui demande des informations pour des données précises. Cette technique repose sur l'hypothèse que l’acquisition de données non étiquetées est beaucoup moins coûteuse que celle de données étiquetées.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
